猫史档案馆

扯了那么多，不如我们来写一个简单的试试  在写之前，我们需要知道一个知识点：浏览器的网页其实是一个H喵L文件，代码存储在网页的源代码中 这里以www.喵作为例子来手刃一个小爬虫 首先，我们先想一下我们手动访问网址的流程 1.输入网址（www.喵） 2.访问 那么，在python中，我们怎么实现呢 其实，python官方就给我们写好了一个模块叫做‘urllib.request.urlopen’ 导入方式如下： fromurllib.requestimporturlopen 既然我们要访问百度，那么我们就需要用python来模拟这一过程 fromurllib.requestimporturlopen#导入模块 url='http://www.喵'#获取目标网址 resp=urlopen(url)#利用urlopen方法获取响应 print(resp.read()) 打印试试，我们会发现一个问题 控制台出现了很多乱码，怎么回事呢？ 原来，计算机的编码不是固定的。例如，百度的首页在编写时用的是utf-8的编码类型，但是控制台打印的时候不知道这是utf-8的文件，就用别的编码格式打开了，这才导致了乱码 如何避免这种情况呢？很简单 fromurllib.requestimporturlopen#导入模块 url='http://www.喵'#获取目标网址 resp=urlopen(url)#利用urlopen方法获取响应 print(resp.read().decode('utf-8'))#改变编码类型并打印 这时在运行就没问题了 爬虫写完了，怎么样，是不是很简单呢 其实，这样写爬虫过于繁琐，下期我们将介绍爬虫专用第三方库——requests